論文の概要: Transport Network, Graph, and Air Pollution

• arxiv url: http://arxiv.org/abs/2506.01164v1
• Date: Sun, 01 Jun 2025 20:54:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:33.969565
• Title: Transport Network, Graph, and Air Pollution
• Title（参考訳）: 交通ネットワーク, グラフ, 大気汚染
• Authors: Nan Xu,
• Abstract要約: この研究は、大気汚染を示す輸送ネットワークの幾何学的パターンを、世界の都市を0.3百万のイメージで解釈することで発見する。 改善された接続性、よりバランスの取れた道路タイプ、極端なクラスタリング係数の回避といった戦略は、緩和された汚染にとって有益である。
• 参考スコア（独自算出の注目度）: 12.749193378606064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Air pollution can be studied in the urban structure regulated by transport networks. Transport networks can be studied as geometric and topological graph characteristics through designed models. Current studies do not offer a comprehensive view as limited models with insufficient features are examined. Our study finds geometric patterns of pollution-indicated transport networks through 0.3 million image interpretations of global cities. These are then described as part of 12 indices to investigate the network-pollution correlation. Strategies such as improved connectivity, more balanced road types and the avoidance of extreme clustering coefficient are identified as beneficial for alleviated pollution. As a graph-only study, it informs superior urban planning by separating the impact of permanent infrastructure from that of derived development for a more focused and efficient effort toward pollution reduction.
• Abstract（参考訳）: 大気汚染は交通網によって規制される都市構造で研究することができる。 輸送ネットワークは、設計モデルを通して幾何学的および位相的グラフ特性として研究することができる。 近年の研究では, 特徴が不十分な限定モデルが検討されているため, 包括的見解は得られていない。 本研究では, 大気汚染を指標とした交通ネットワークの幾何学的パターンを, 世界の都市を0.3万のイメージで解釈する。 次に、これらはネットワーク汚染相関を調査するための12の指標の一部として記述される。 改善された接続性、よりバランスの取れた道路タイプ、極端なクラスタリング係数の回避といった戦略は、緩和された汚染にとって有益である。 グラフのみの研究として、汚染削減に向けたより集中的で効率的な取り組みのために、恒久的なインフラの影響を派生開発から切り離すことで、優れた都市計画を提示する。

関連論文リスト

• Improving Traffic Flow Predictions with SGCN-LSTM: A Hybrid Model for Spatial and Temporal Dependencies [55.2480439325792]
  本稿ではSGCN-LSTM(Signal-Enhanced Graph Convolutional Network Long Short Term Memory)モデルを提案する。 PEMS-BAYロードネットワークトラフィックデータセットの実験は、SGCN-LSTMモデルの有効性を示す。
  論文  参考訳（メタデータ） (2024-11-01T00:37:00Z)
• Urban Air Pollution Forecasting: a Machine Learning Approach leveraging Satellite Observations and Meteorological Forecasts [0.11249583407496218]
  大気汚染は公衆衛生、特に都市部において重大な脅威となる。 本研究では, センチネル5P衛星のデータ, 気象条件, トポロジカル特性を統合し, 5つの主要な汚染物質の将来レベルを予測する機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-30T10:02:53Z)
• State estimation of urban air pollution with statistical, physical, and super-learning graph models [0.0]
  本稿では,問題を都市グラフに反映したさまざまな再構築手法を提案する。 私たちの戦略は、完全なデータ駆動、物理駆動、ハイブリッドに分類されます。 この手法の性能は、フランスのパリ中心部の都市で試験される。
  論文  参考訳（メタデータ） (2024-02-05T08:42:39Z)
• Prediction of Transportation Index for Urban Patterns in Small and Medium-sized Indian Cities using Hybrid RidgeGAN Model [0.0]
  本研究は,中小都市における都市交通指標の予測におけるいくつかの課題に対処する。 Kernel Ridge Regression(KRR)とCityGANに基づくハイブリッドフレームワークを導入し、交通指標を予測する。 提案したハイブリッドパイプラインはリッジGANモデルと呼ばれ、都市スプロールの持続可能性を評価することができる。
  論文  参考訳（メタデータ） (2023-06-09T15:05:40Z)
• Spatiotemporal Graph Convolutional Recurrent Neural Network Model for Citywide Air Pollution Forecasting [0.0]
  大気汚染は様々な方法で変化し、多くの複雑な要因に依存する。 画像に基づく表現は、大気汚染やその他の影響要因が自然なグラフ構造を持つため理想的ではないかもしれない。 グラフ畳み込みネットワーク(GCN: Graph Convolutional Network)は、都市全体における空気質の読み出しの空間的特徴を効率的に表現することができる。 本手法は, 実環境大気汚染データを用いたハイブリッドGCN法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-25T07:57:07Z)
• Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge Transfer [58.6106391721944]
  クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。 本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。 本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
  論文  参考訳（メタデータ） (2022-05-27T12:46:52Z)
• Robust Graph Representation Learning for Local Corruption Recovery [47.656530383080366]
  この研究は、(局所的に)破損した特徴属性を自動的に検出するグラフ学習スキームを確立する。 検出操作はグラフオートエンコーダを利用するが、これは局所的な腐敗の分布を仮定するものではない。 提案モデルはブラックボックス中毒から頑健なグラフ表現を復元し,優れた性能が得られる。
  論文  参考訳（メタデータ） (2022-02-10T10:06:22Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Conditional Generative Adversarial Networks to Model Urban Outdoor Air Pollution [0.8122270502556374]
  本稿では, 所定の分類に従って, 合成二酸化窒素の日時系列を生成できるモデルを訓練することを提案する。 提案手法は, 計算時間削減を必要としながら, 高精度で多彩な毎日の汚染時系列を生成することができる。
  論文  参考訳（メタデータ） (2020-10-05T18:01:10Z)
• Constructing Geographic and Long-term Temporal Graph for Traffic Forecasting [88.5550074808201]
  交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。 本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-23T03:50:46Z)
• Physical-Virtual Collaboration Modeling for Intra-and Inter-Station Metro Ridership Prediction [116.66657468425645]
  本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。 特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。 類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
  論文  参考訳（メタデータ） (2020-01-14T16:47:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。